دوره آموزشی یادگیری اصولی مهندسی اعتماد برای هوش مصنوعی

این دوره با تکیه بر تمرین‌های مبتنی بر رخداد (Incident-based Exercises) و بررسی ساختاریافته‌ی دارایی‌های شفافیت، به شما نشان می‌دهد چگونه حالت‌های خرابی (Failure Modes)، محدودیت‌ها و سطوح ریسک را به‌گونه‌ای به ذینفعان مختلف منتقل کنید که بتوانند بر اساس آن تصمیم‌گیری کنند. در طول مسیر، از ابزارهای ارزیابی و الگوهای نظارتی استفاده می‌کنید که ضمن هم‌راستا بودن با انتظارات مقرراتی، به پیشبرد پروژه‌های هوش مصنوعی نیز کمک می‌کنند. در پایان دوره، به یک جعبه‌ابزار مشترک مجهز می‌شوید که تیم شما می‌تواند از آن برای برنامه‌ریزی، پیاده‌سازی، مدیریت و بهبود مؤثرتر سیستم‌های هوش مصنوعی بهره ببرد.

اهداف یادگیری
توصیف مهندسی اعتماد به‌عنوان یک حوزه تخصصی و بیان نقش آن در اتصال طراحی هوش مصنوعی، ریسک و حکمرانی برای ذینفعان غیر فنی.
توصیف ریسک‌های رایج هوش مصنوعی و یک فرایند پایه‌ی ارزیابی ریسک به زبانی که تیم‌های فنی، محصول و ریسک همگی آن را درک کنند.
تحلیل نمونه‌های رخدادهای هوش مصنوعی و رفتار مدل برای شناسایی حالت‌های خرابی مهم، از جمله توهم (Hallucination)، و نگاشت آن‌ها به یک چارچوب ساده ریسک و راهبردهای کاهش ریسک.
بررسی و نقد دارایی‌های شفافیت مانند Model Cards و System Cards از نظر وضوح، کامل بودن و انطباق با رفتار واقعی سیستم هوش مصنوعی.
پیشنهاد رویکردهای نظارت انسانی و ارتباطی برای فرایندهای مبتنی بر هوش مصنوعی که انتظارات کاربران را تنظیم کرده و میان خودکارسازی، پاسخگویی و ایمنی تعادل برقرار کنند.